스마트시트의 Chief Product and Technology Officer인 Pratima Arora – 인터뷰 시리즈

Pratima Arora, 스마트시트의 Chief Product and Technology Officer는 성숙한 제품 및 기술 이사로서 고성장 플랫폼을 이끌고 글로벌 팀을 확장하는 경험을 가지고 있습니다. 현재 역할에서 그녀는 제품 관리, 마케팅, 사용자 경험, 가격 및 전략적 파트너십을 책임지고 있으며, 스마트시트의 AI 기반 워크 매니지먼트 플랫폼의 진화를 주도합니다. 이전에는 Chainalysis의 Chief Product and Technology Officer로 재직하며 엔지니어링, 데이터 과학, 제품 전략을 이끌었으며 조직을 크게 확장하고 수익 성장을 가속화했습니다. 그녀의 이전 리더십 역할에는 Atlassian의 Confluence 비즈니스를 이끈 경험과 Salesforce에서 AI 기반 제품 혁신을 주도한 경험이 있습니다.

스마트시트는 조직이 계획, 추적, 자동화, 보고를 수행할 수 있는 AI 기반의 엔터프라이즈급 워크 매니지먼트 플랫폼입니다. 이 플랫폼은 팀이 워크플로우를 최적화하고 실시간으로 협력하며 자동화 및 데이터 주도 도구를 통해 실행 가능한 통찰력을 얻을 수 있도록 지원합니다. 벨뷰에 본사를 둔 스마트시트는 전 세계 수백만 명의 사용자, 包括 많은 포춘 500대 기업을 고객으로 두고 있으며 협업 워크 매니지먼트 분야의 주요 플레이어로 자리 잡고 있습니다.

2025년 스마트시트에 입사한 후 Chainalysis의 제품 및 기술을 이끌었으며 Atlassian (TEAM ) 및 Salesforce에서 선임 리더십 역할을 맡았습니다. 이제 Chief Product and Technology Officer로 역할이 확대된 상황에서, 그녀는 어떻게 그 크로스 산업 경험을 스마트시트의 다음 장으로 가져올 것인지 묻습니다.

20년 이상의 B2B SaaS 리더로서 인터넷, 클라우드, 모바일, 소셜 등 주요 혁신을 목격했습니다. 그러나 AI는 규모와 속도에서 훨씬 더 큰 변화를 가져옵니다. 그녀의重点은 스마트시트가 그 변화를 실현하고 고객에게 실제적인优势을 제공하는 데 있습니다.

외부적으로 이는 제품 경험에 AI를 통합하는 것을 의미합니다. 팀이 더 빠르게 일하고, 더 나은 결정을 내리고, 이전에 불가능했던 규모에서 결과를 도출할 수 있도록 지원합니다.

그러나 AI는 또한 빌드하는 방법을 변경합니다. 제품과 기술은 수렴하고, 함수 간의 경계는模糊해집니다. 디자이너는 코드에 더 가까워지고, 엔지니어는 제품 정의에 기여하며, 팀은 더 많은 빌더가 됩니다. 그녀의 주요 초점 중 하나는 빌더 멘탈리티를 내부 운영에 가져오고, 개발에 대한 AI 우선 접근 방식을 취하는 것입니다. 이를 통해 팀은 더 빠르게 움직이고, 고객에게 의미 있는 결과를 제공할 수 있습니다.

스마트시트는 워크 매니지먼트라는 아이디어를 중심으로 자리 잡고 있습니다. 그녀는 현재 워크 매니지먼트의 개념을 어떻게 정의하며, 이는 엔터프라이즈 소프트웨어 전반에 걸쳐 추가되는 더广い AI 기능과 어떻게 다른가요?

워크 매니지먼트는 사람, 프로세스, 데이터가汇集되는 곳입니다. 여기서 AI는 실행 層으로서 계획을 결과로 바꾸는 역할을 합니다.

스마트시트 플랫폼에 있는 140만 개의 활성 엔터프라이즈 프로젝트를 분석한 결과, 중요한 불균형이 발견되었습니다. 기업 계정당 자동화 강도는 연간 55% 증가했으며, 전체 활동은 46% 증가했습니다. 작업이 이전에 불가능했던 속도로 시작되고 있습니다. 그러나 작업을 완료하는 것 — 팀 간의 조정, 우선순위가 변경될 때 정렬을 유지하며, 실행을 추적하는 판단을 내리는 것 — 이것이 대부분의 조직이 어려움을 겪는 부분입니다. 작업 일자는 더密해지고, 우선순위, 소유권, 의사결정 권한이 시스템에ではなく 사람의 머릿속에 존재하는 조직이 먼저 영향을 받습니다.

다른 접근 방식이 부족한 점은 AI가 워크플로우 위에 계층화되는 것이 아니라, 그 안에 내장되어 있지 않다는 것입니다. AI는 개별 작업을 지원할 수 있지만, 팀이나 전체 엔터프라이즈에서 결과를 조율할 수 없습니다.

스마트시트의 접근 방식은 다릅니다. AI를 엔터프라이즈 데이터에 기반하고 워크플로우에 직접 통합하여 실제 컨텍스트에서 작동할 수 있도록 합니다. 프로젝트와 워크플로우 간의 관계, 계획背后的 의도, 작업에 포함된 판단을 이해할 수 있습니다. 이것이 AI가 작업을 조율하고, 단순히 작업을 지원하는 것이 아니라, 의미 있는 비즈니스 영향을 미칠 수 있도록 합니다.

2025년 11월 스마트시트의 미래에 대한 그녀의 비전은 사람, 데이터, AI를 더統一된 방식으로 결합하는 플랫폼을介绍했습니다. 기존 워크 매니지먼트 도구에서 무엇이 부족하여 이러한 방향으로 나아가게 되었나요?

계획과 실행 사이에 지속적인 간격이 존재한다는 것을 알았습니다. 특히 엔터프라이즈 수준에서 팀이 여러 개의 분리된 시스템에서 작업하고 있으므로 정렬을 유지하거나 진행 상황에 대한 명확한 실시간 뷰를 얻는 것이 어려웠습니다.

많은 도구가 문제의 일부를 해결하고 있었습니다 — 계획, 워크플로우 또는 협력 — 그러나它们는 분리되어 있었습니다. 각 도구는 개별 스택이나 시스템 내에서 문제를 해결하고 있지만, 전체 회사에서 해결하지 못했습니다. 조각조각난 것이 실제 장벽이 됩니다. 스마트시트는 여기서 빛을 발합니다.

그들의重点은 이러한 요소를 단일의統一된 시스템으로 결합하여 팀이 정렬을 유지하고, 빠르게 적응하며, 더 효과적으로 실행할 수 있도록 하는 것입니다.

그녀의 비전 중 가장 흥미로운 부분은 프로젝트, 워크플로우, 팀 간의 컨텍스트를 이해할 수 있는 AI 시스템으로의 이동이었습니다. 엔터프라이즈 AI가真正로 유용한 것이 아닌, 단순히 인상적인 데모가 아닌 것을 만들기 위해 컨텍스트가 얼마나 중요한가요?

컨텍스트를 이해하는 AI는 콘텐츠를 생성하는 AI와 근본적으로 다릅니다. 프론티어 모델은 생성합니다. 시스템은 저장합니다. 그러나 어느 것도 조직이 실제로 어떻게 작동하는지, 의존성, 계획背后的 의도, 워크플로우에 포함된 판단을 이해하지 못합니다. 이것이 스마트시트가 차지하는 層입니다.

스마트시트는 비즈니스의 운영형태를 이해하고, AI를 그 안에서 작동시킵니다. AI를 이러한 이해에 기반하여 사용하면, 반응형에서 실행형으로 바뀝니다. 단순히 프롬프트에 반응하는 것이 아니라, 비즈니스가 실제로 어떻게 작동하는지에 대한 이해를 바탕으로 작동합니다. 이는 시간이 지남에 따라累積됩니다.

스마트시트에 캡처된 모든 계획, 워크플로우, 결정은 AI가 더 유용한 지능 자산이 됩니다. 팀이 수년간 구축해 온 컨텍스트, 의도, 판단 — 이 세 가지 것이 AI가 스스로 생성할 수 없는 것입니다.

스마트시트의 Model Context Protocol 서버는 라이브 작업 데이터와 상호작용할 수 있는 AI로의 전환을 제안합니다. 그녀의 관점에서, 이것이 엔터프라이즈 소프트웨어에서 중요한 전환점인 이유는 무엇인가요?

이것은 작업에 대한 정보를 제공하는 AI에서 작업을 실제로 수행할 수 있는 AI로의 전환입니다. 스마트시트의 MCP 서버를 사용하여 회사들은 더 이상 단일 AI 도구에 묶여 있지 않습니다. 프로토콜은 워크플로우에 이미 내장된 AI 모델과 함께 작동하므로, Claude, Gemini, ChatGPT 등과 같은 다양한 모델을 지원할 수 있습니다. 팀은 라이브 작업 데이터에 직접 연결되어 실제로 작업이 발생하는 시스템에서 작동할 수 있습니다. 이는 작업을 넘어서 실행으로 이동할 수 있도록 합니다. MCP 생태계가 확장됨에 따라, 우리는 추가적인 주요 모델을 지원하여, 스마트시트가 선택한 AI 솔루션과 호환성을 유지합니다. AI가 프로젝트와 워크플로우에 대한 실시간 데이터에 접근할 수 있을 때, 더早い 시점에 리스크를 식별하고, 의사결정을 지원하며, 작업을 생성하거나 업데이트하는 등 실행에 참여할 수 있습니다.

초기 신호는 명확합니다. 스마트시트 MCP 커넥터를 통해 Claude와의 첫 30일 동안, 수천 명의 스마트시트 사용자가 176만 개의 작업을 완료했습니다. 이러한 상호작용 중 상당수는 정보를 검색하는 것이 아니라, 작업을 진행하는 것이었습니다. 작업을 생성하거나, 계획을 업데이트하거나, 컨텍스트를 이해하여 작업을 진행했습니다.

이것이 중요한 전환점입니다. AI는 기존 워크플로우에 내장되어, 조직이 개인의 생산성 향상에서 조정된 실행으로 이동할 수 있도록 합니다. 이미 스마트시트에 운영基础를 둔 회사들은 이优势를 누리고 있습니다. 예를 들어, 팀은 미팅 노트를 자동으로 작업으로 변환하고, 모델은 대화 컨텍스트를 기반으로 작업을 할당해야 하는 사람을 추론하여, 결정된 사항이 수동 입력 없이 스마트시트에 추적되는 작업이 됩니다. 이것이 대규모의 조정입니다 — 사람들이 더 열심히 일해서가 아니라, 시스템이终于 따라잡았기 때문입니다.

AI가 운영 시스템과 라이브 비즈니스 워크플로우에 연결될 때, 신뢰가 중요해집니다. 그녀는 어떻게 보안, 거버넌스, 감사 가능성을 생각하고 있나요?

신뢰, 보안, 거버넌스는 엔터프라이즈 채택의 필수적인 요소입니다. AI가 더 많이 실행형이 될수록, 신뢰는 선택이 아닌 필수입니다. 스마트시트에서는 AI가 플랫폼의 모든 것과 동일한 거버넌스 모델을 따르기 시작합니다. 기존의 권한을 따르므로, 명시적으로 허용된 데이터에만 접근하고 작동할 수 있습니다. 데이터는 사용자의 데이터로 남습니다.

同じ하게 중요한 것은 가시성입니다. 조직은 시스템과 상호작용하는 AI의 방법, 취한 행동,誰によって, 어떤 컨텍스트에서 이해할 수 있어야 합니다. 이것이 감사 가능성이 내장된 이유입니다. 모든 행동, 사람이나 AI에 의해 시작된 것에 관계없이, 추적되고 검토할 수 있습니다. 또한 자율성에 대해 신중합니다. 높은 영향力的 행동에 대해서는 인간의 검토와 승인을 위한 제어를 구축하여, 중요한 일이 발생하기 전에 팀이 검토하고 승인할 수 있도록 합니다.

목표는 조직이 AI를 작업을 진행시키도록 신뢰할 수 있도록 하면서, 여전히 엔터프라이즈 규모에서 통제, 투명성, 책임성을 유지할 수 있도록 하는 것입니다.

스마트시트는 또한 외부 AI 생태계를 지원하는 오픈 아키텍처를 강조했습니다. 그녀의 관점에서, 다음 엔터프라이즈 AI 채택 단계에서 오픈과 상호운용성이 왜 그렇게 중요할까요?

엔터프라이즈 작업은 단일 시스템에 존재하지 않습니다. 도구, 팀, 데이터 소스에 걸쳐 있습니다. AI가 이러한 환경에 연결할 수 없으면, 제한됩니다. 작업을 실제로 지원할 수 없습니다.

오픈이 중요한 이유입니다. AI가 시스템에 연결되어 실제로 작업이 발생하는 컨텍스트에서 작동할 수 있도록 합니다. MCP를 통해 회사들은 스마트시트에서 작업을 위해 자신의 기업 AI 표준과 거버넌스를 적용할 수 있습니다. 이는 새로운 도구를 채택하거나 고립된 환경에서 작업하는 것이 아니라, 실제로 작업이 발생하는 시스템에서 작동할 수 있도록 합니다.

이것이 중요한 전환입니다. AI가 시스템에 연결할 수 있을 때, 단순한 상호작용에서 실제로 조직을 지원하는 것으로 이동합니다. 이것이 실제적인 영향을 미치는 곳입니다.

그녀의 제품 비전은 Smart Assist, Smart Agents, Smart Flows, 지식 그래프 層과 같은 아이디어를 소개했습니다. 이러한 기능 중에서 팀이 일상적으로 작업하는 방식을 변경할 수 있는 가장 큰 잠재력을 가진 것은 무엇이라고 생각하나요?

개별적으로는 어느 것도 그렇지 않습니다. 이것들은 시스템과 상호작용하는 다양한 방법입니다.

真正한 힘은 지식 그래프와 데이터 層을 기반으로 하는 지능입니다. 이것이 시스템에 컨텍스트를 제공하고, 작업이 실제로 어떻게 연결되는지 이해할 수 있도록 합니다. 이것이 모든 것을 작동하게 합니다. 스마트시트 지식 그래프는 이미 작업에 대한 관계를 대규모로 매핑하고 있으며, 1억 개가 넘는 노드를 가지고 있습니다. 이것이 산업 최고의 관행, 조직, 팀, 개인 데이터를 포함하여 컨텍스트를 제공할 수 있도록 합니다. 시스템은 훨씬 더 관련性 높은 통찰력을 제공할 수 있습니다.

여기서부터 다양한 방식으로 나타납니다. 때로는 작업 상태를 이해하거나 리스크를 식별하는 보조 도구입니다. 때로는 작업을 생성하거나 업데이트하는 에이전트입니다. 때로는 시스템 간의 워크플로우를 조율합니다.

그러나 모두 동일한 운영 基礎에 기반하고 있습니다 — 작업이 실제로 어떻게 수행되었는지에 대한 누적된 컨텍스트, 의도, 판단. 이것이 실제로 일상적인 작업을 변경합니다. 단일 기능이 아니라, 조직을 이해하는 시스템입니다.

많은 엔터프라이즈는 아직도 AI가 실제 비즈니스 가치를 제공하는지 측정하기 위해 어려움을 겪고 있습니다. 리더들은 더 빠른 출력이 아닌, 더 나은 결정, 더 강한 실행, 더 적은 운영 장애를 목표로 할 때, ROI를 어떻게 생각해야 할까요?

많은 조직은 AI 채택을 측정하기 시작합니다. 예를 들어, 일일 UI 사용자 수와 같은 지표입니다. 이것은 유용한 신호이지만, 전체 그림은 아닙니다.真正한 가치는 실행에서 나타납니다. 많은 팀이 여전히 이를 따라가고 있습니다.

대부분의 엔터프라이즈에서 문제는 출력을 생성하는 것이 아닙니다. 작업을 조율하고, 팀 간에 정렬을 유지하며, 올바른 컨텍스트에서 결정을 내리는 것입니다. 이러한 것들이 개선되지 않으면, 더 빠른 출력은必ずしも 더好的 비즈니스 결과로 이어지지 않습니다.

AI가 시스템에 연결되어 있을 때, 다른 종류의 영향을 볼 수 있습니다. 병목 현상을 더早い 시점에 식별하고, 실제로 발생하는 일에 대한 가시성을 개선하며, 팀 간에 일관된 방식으로 작업할 수 있도록 지원할 수 있습니다.

따라서 ROI는 속도에 관한 것이 아닙니다. 그것은 조직이 규모에서 어떻게 실행되는지에 관한 것입니다. 더 많은 명확성, 책임성, 예측 가능성과 함께. 이것이 궁극적으로 측정 가능한 비즈니스 가치로 번역됩니다.

앞으로, 그녀는 엔터프라이즈 플랫폼에서 AI가 핵심 層으로 되는 medida로 제품 리더의 역할이 어떻게 변경될지 묻습니다. 전통적인 소프트웨어 제품 리더십과는 근본적으로 다른 마인드셋이 필요한가요?

네 가지 사항을 생각합니다.

제품 리더는 AI에 대한 지적 호기심과 성장 마인드셋을 가져야 합니다. 이 분야는 빠르게变化하고 있으므로, 학습하고 적응하는 능력이 중요합니다.

두 번째로, 첫 원칙과 플랫폼思考이 더욱 중요해집니다. 기초 요소를 올바르게 설정하는 것이 중요합니다. 특히 데이터와 거버넌스에 관한 것입니다. 이를 통해 팀이 빠르게 실험하고 안전하게 할 수 있습니다.

세 번째로, 고객 중심은同じ하게 중요합니다. 현재 시장에는 많은 노이즈가 있습니다. 리더는真正로 가치 있는 것을 해결하는 것에 집중해야 합니다.

마지막으로, 팀이 빌드하는 방법에真正한 변화가 있습니다. 함수 간의 경계는模糊해지고, 더 많은 사람들이 빌더가 됩니다. 제품 리더는 이를 받아들이고 기술에真正로 참여할 때 성공할 것입니다.

그녀에게 좋은 인터뷰를 감사드리며, 더 많은 것을 배우고 싶은 독자들은 스마트시트를 방문하십시오.